在 DeepSeek-R1 发布一周年之际，一段并非官方宣发、却分量十足的线索突然在技术社区引爆讨论。
DeepSeek 位于 GitHub 上的 FlashMLA 代码仓库，近期更新中被开发者发现出现了一个全新的模型标识符——MODEL1。它并非对现有模型的小幅扩展，而是以“独立分支”的方式，与当前使用的 DeepSeek-V3.2（代码中标记为 V32）并列存在。
从代码结构、算子设计以及硬件适配方向来看，这个 MODEL1 很可能不是一次常规升级，而是一场从模型架构到推理机制的系统性重构。业内普遍猜测，它极有可能就是传闻中的 DeepSeek V4 内部工程版本。
更巧合的是，这一代码动向，与外界流传的“DeepSeek 或将在农历新年前后发布新一代旗舰模型”的时间点高度重合。
MODEL1 现身：并非 V3 迭代，而是全新技术路线
从 FlashMLA 仓库的更新记录来看，MODEL1 在代码层级上并未继承 V3 系列，而是作为全新模型路径存在。
在 114 个相关文件中，至少有 28 处直接引用了 MODEL1，并且在推理逻辑、测试脚本、算子实现等关键模块中，均采用了与现有模型不同的处理方式。
这意味着，DeepSeek 很可能正在为下一代模型重新定义一整套底层机制，而不仅是调参或规模扩张。
关键变化一：稀疏 + 稠密并行的推理新范式
最直观的变化，出现在推理计算策略上。
在最新提交中，测试目录新增了两个重要文件：
- 稀疏解码测试
- 稠密解码测试
这直接表明，MODEL1 已经具备在推理阶段同时支持稀疏与稠密计算路径的能力。
更值得注意的是它的混合精度设计：
- KV Cache 使用 FP8 精度存储，显著降低显存占用
- 矩阵乘法仍保留 bfloat16 精度，以维持计算稳定性
这种设计思路非常明确： 在不牺牲核心计算精度的前提下，通过“选择性稀疏化”释放内存带宽，为超长上下文处理腾出空间。
这并非简单的工程优化，而是直接指向下一代模型在推理效率和上下文规模上的核心竞争力。
关键变化二：MLA 架构重塑，注意力维度全面调整
另一个引发讨论的点，来自注意力头参数维度的变化。
在公共头文件中，MODEL1 的注意力维度被设定为 512，而 DeepSeek V3.2 使用的是 576 维。
这背后并不是“缩减参数”这么简单。
V3 系列采用的是一种非对称设计：
- 128 维用于旋转位置编码
- 448 维用于隐层表达
而 MODEL1 统一切换到标准化的 512 维配置，意味着 MLA（多头隐式注意力）结构已被重新设计。
这种调整可能带来两种可能性：
- 隐层压缩与信息密度有实质性突破
- 架构主动向硬件友好型布局靠拢，为新一代 GPU 做准备
无论哪种，都指向一个结论：这是一次架构级，而非参数级的演进。
关键变化三：为 Blackwell 架构“量身定制”的优化路线
MODEL1 的代码中，出现了大量只服务于英伟达 Blackwell（SM100） 架构的接口与算子实现。
包括但不限于：
- 专用 Cutlass 前向算子
- 明确要求 CUDA 12.9 才能在 B200 GPU 上运行
- 针对 Blackwell 指令集的调度与内存访问优化
从测试数据来看，即便在尚未完全调优的状态下：
- B200 上的稀疏 MLA 算子性能已达到 350 TFLOPS
- 当前主流 H800 上，稠密 MLA 吞吐量可达 660 TFLOPS
这释放了一个强烈信号： DeepSeek 已不再是“模型写完再适配硬件”，而是与下一代算力平台同步演进。
Engram 机制浮现：记忆与推理协同的下一步？
在代码注释中，还出现了一个耐人寻味的关键词——Engram（记忆印记） 。
虽然具体实现尚未完全公开，但从其在分布式模块中的部署位置推测，它可能与以下方向有关：
- 高级 KV 压缩
- 分布式记忆调度
- 推理阶段的长期状态保留
不久前，DeepSeek 团队刚刚发布过 Engram 相关论文，讨论的是可扩展记忆与推理协同机制。
如果该机制最终被完整整合进 V4，那么这很可能意味着： 模型不只是“算得更快”，而是在记忆管理层面迈入新阶段。
不只是技术升级，而是一种信号
围绕 MODEL1 的讨论，已经迅速从技术社区扩散到全球 AI 圈。
有人直言，这可能是“下一次改变行业格局的时刻”。 也有人将其视为中国开源模型发展路径的一次关键转折。
回看一年前 DeepSeek-R1 发布后的连锁反应—— 它降低了高阶推理的工程门槛，改变了企业对开源模型的信任结构，也让“是否能做到”这个问题，变成了“如何把它做好”。
如果 MODEL1 真的是 V4 的雏形，那么可以预见的是： 下一代竞争，已经不再只是参数规模或榜单分数，而是架构、推理效率、硬件协同与工程可落地性的全面比拼。
DeepSeek，显然已经提前进入了这一阶段。
